Οι ερευνητές βρήκαν έναν τρόπο να χρησιμοποιούν τεχνητή νοημοσύνη και κατευθυνόμενα υπερηχητικά κύματα για την ανίχνευση σφαλμάτων μέσα στις ράγες διακόπτη.
route-fifty.com
Το μοντέλο τους είναι μια σημαντική πρόοδος από τα υπάρχοντα. Έχει τη δυνατότητα να χρησιμοποιηθεί για πρακτικούς σκοπούς, συμπεριλαμβανομένης της πρόληψης σιδηροδρομικών ατυχημάτων.
Μια πρόσφατη έρευνα της Διεθνούς Ένωσης Σιδηροδρόμων σημείωσε πώς τα σιδηροδρομικά δίκτυα υψηλής ταχύτητας επεκτείνονται γρήγορα και το μήκος του παγκόσμιου σιδηροδρομικού δικτύου υψηλής ταχύτητας έχει φτάσει σχεδόν τα 59.000 km.
Με αυξημένη ζήτηση για ταχύτερα τρένα, οι σιδηροτροχιές μεταγωγής (περιοχές όπου τα τρένα αλλάζουν από τη μια κατεύθυνση στην άλλη) τείνουν να υποστούν ευκολότερη ζημιά — ειδικά σε σιδηροδρομικές γραμμές υψηλής ταχύτητας — λόγω της ειδικής δομής και του μεγάλου φόρτου εργασίας τους, αυξάνοντας τον κίνδυνο σιδηροδρομικά ατυχήματα.
Για να βοηθήσουν στην επίλυση αυτού του προβλήματος, ερευνητές τεχνητής νοημοσύνης στο Πανεπιστήμιο Stony Brook βρήκαν έναν τρόπο να χρησιμοποιούν τεχνητή νοημοσύνη και καθοδηγούμενα υπερηχητικά κύματα για τον εντοπισμό σφαλμάτων μέσα στις ράγες διακόπτη.
«Είναι σημαντικό να διασφαλίσουμε ότι οι ράγες διακόπτη λειτουργούν τέλεια σε ένα σύστημα σιδηροδρομικών γραμμών υψηλής ταχύτητας, και γι' αυτό θέλαμε να αναζητήσουμε μεθόδους που δεν θα κατέστρεφαν αυτές τις κατασκευές ενώ αναζητούσαμε ζημιές », λέει ο Zhaozheng Yin, αναπληρωτής καθηγητής στο βιοϊατρικής πληροφορικής και μέλος του Ινστιτούτου Καινοτομίας AI του Πανεπιστημίου Stony Brook.
Ωστόσο, οι παραδοσιακές μη καταστροφικές τεχνικές δοκιμών - όπως τα δινορεύματα, η διαρροή μαγνητικής ροής και οι τεχνικές υπερήχων - είναι όλες μέθοδοι επιθεώρησης σημείο προς σημείο με χαμηλή απόδοση. Ενώ οι δύο πρώτες μέθοδοι μπορούν να ανιχνεύσουν μόνο επιφανειακές και σχεδόν επιφανειακές ζημιές, τα υπερηχητικά κύματα μπορούν να ανιχνεύσουν μόνο μεγάλες περιοχές των σιδηροτροχιών μεταγωγής.
«Η λύση ήταν η χρήση κατευθυνόμενων κυμάτων. Αυτά τα κύματα διαδίδονται σε σχετικά μεγάλες αποστάσεις και είναι ευαίσθητα σε ελαττώματα. Μας επιτρέπουν επίσης να επιθεωρούμε μεγάλες περιοχές σε σύντομο χρονικό διάστημα», λέει ο Yin.
Δεδομένου ότι οι σιδηροδρομικές γραμμές είναι συνήθως ανοιχτές μόνο για επισκευές τη νύχτα, τα κατευθυνόμενα κύματα πληρούν τις απαιτήσεις γρήγορης, ακριβούς και αξιόπιστης σάρωσης κατεστραμμένων σιδηροτροχιών.
Ενώ τα κατευθυνόμενα κύματα έχουν χρησιμοποιηθεί για την αναζήτηση ζημιών σε αγωγούς, ράβδους, καλώδια και μεγάλα μήκη τροχιάς στο παρελθόν, το πρόβλημα της εύρεσης σφαλμάτων στους διακόπτες σιδηροδρόμων δεν έχει λυθεί στο παρελθόν. Εδώ μπήκε η AI.
«Οι ράγες διακοπτών έχουν περίπλοκες δομές. Μπορούν επίσης να μετακινηθούν για να οδηγήσουν ένα τρένο σε άλλη κατεύθυνση», λέει ο Yin. «Έπρεπε να βρούμε έναν τρόπο να διακρίνουμε μεταξύ «κανονικών» και «κατεστραμμένων» σημάτων».
Η ομάδα εφάρμοσε τεχνολογίες βαθιάς μάθησης για να αναλύσει τα κατευθυνόμενα υπερηχητικά κύματα. Το μοντέλο Συνελικτικού Νευρωνικού Δικτύου τους, ανακάλυψαν, θα μπορούσε να ανιχνεύσει ελαττώματα μέσα στις ράγες μεταγωγής με ακρίβεια άνω του 91%.
«Το μοντέλο μας ξεπερνά τις άλλες σχετικές μεθόδους από κάθε άποψη. Επιπλέον, είναι ικανό να αποδίδει καλά κάτω από διαφορετικές περιορισμένες συνθήκες και μπορεί να χρησιμοποιηθεί για την πρόληψη ατυχημάτων στο εγγύς μέλλον», λέει ο Yin.
